環境污染、經濟增長與醫療衛生服務對公共健康的影響分析
——基于中國省際面板數據的研究

曲衛華，顏志軍

(1.北京理工大學管理與經濟學院，北京 100081; 2.太原學院，山西 太原 030032)

環境污染、經濟增長與醫療衛生服務對公共健康的影響分析
——基于中國省際面板數據的研究

曲衛華1,2，顏志軍1

(1.北京理工大學管理與經濟學院，北京 100081; 2.太原學院，山西 太原 030032)

環境污染與經濟增長對居民的公共健康水平有重要影響，但基于面板數據對此問題分區域的研究較少。本文在Grossman健康生產函數的基礎上加入環境污染等多重因素，使用中國30個省市區1997年到2010年的面板數據，建立個體固定效應模型，將我國劃分為東部、中部和西部三個區域，實證分析了環境污染、經濟增長與醫療衛生服務對不同區域居民公共健康的影響及其差異。研究發現：環境污染、經濟增長、醫療衛生服務與居民公共健康存在長期均衡的協整關系，經濟增長與全國、東部和中部的公共健康關系呈現倒U型的特征；具體而言：東部區域，曲線已達到拐點，中部區域，當人均GDP為3311元時，曲線達到拐點；全國以及東、中、西部區域，工業煙塵排放量與人口死亡率呈正向關關系，工業二氧化硫排放量與人口死亡率只在中部地區顯著正相關；全國、東部和中部區域人均醫生數與人口死亡率呈顯著負相關，西部地區未呈現這一特性；人均醫療保健支出與人口死亡率在中部地區顯著負相關，醫療衛生服務可有效減少環境污染對居民的健康威脅。因此，制定差別化的環境污染、經濟增長與醫療服務政策等有利于提升全國以及東中西部居民的公共健康水平。

環境污染；經濟增長；醫療衛生；公共健康

1 引言

改革開放以來，我國人均GDP年均增幅接近13%，人均醫療保健支出年均增幅接近15%，然而，隨著經濟的高速發展，我國環境污染現象日趨嚴重。2013年，我國多地出現霧霾天氣，PM2.5大大超標，影響了居民的公共健康和日常活動。《中國環境發展報告(2013)》指出，30多年來，隨著中國經濟的快速發展，生態環境受到嚴重破壞，特別是環境污染對居民公共健康危害日益顯現，不夸張的說，環境污染問題將對人們的基本生活和生存產生威脅[1]。環境污染和生態破壞使我國經濟、社會受到嚴重損失，我國每年因環境污染導致的損失約占GDP的10%，每年因大氣污染所致肺心病疾病患者21.3萬人，慢性支氣管炎患者為150萬人[2]。據中國環境科學研究院(2011)報告顯示，由環境污染導致的我國居民疾病負擔大約占整個疾病負擔的21%，高出美國8個百分點。環境污染引發的居民公共健康風險已成為一個世界性話題，在一些公共服務提供比較不足的國家和地區，環境污染引發的健康風險更為嚴峻。以上情況使得我們不得不思考這樣的問題：中國環境污染的加劇、經濟的持續增長、醫療衛生服務的提高與環境引發的公共健康風險存在怎么樣的關聯？在我國各地區經濟發展水平有差異的情況下，不同地區的公共健康水平有何差異，這些問題的探討對于中央和地方政府有針對性地制定環境污染、公共健康的可持續發展政策具有重要的參考價值。

關于環境污染對居民公共健康影響的研究，長期以來一直受到學者們的關注，許多文獻研究了大氣污染對居民公共健康的影響。國外涉及環境污染與公共健康研究的文獻較早，我國關于大氣污染對公共健康危害方面的文獻最早發表于1975年，當時主要研究方法為定性研究。近期研究從研究方法來看，可歸納為解析法和統計模型兩種方法。

環境對健康的影響主要取決于污染物的濃度、暴露響應系數與城市暴露人口數，基于暴露響應和劑量效應原理的解析法主要集中于環境污染對居民健康損失方面的研究。Matus等[3]使用政策預測模型分析表明，中國的空氣污染排放造成的健康經濟損失已給中國經濟帶來實質性的負擔，由空氣污染導致的居民福利損失從1975年的220億美元增加到2005年的1120億美元。Chen Yuling等[4]基于劑量效應原理，運用大氣資源協同效應模型研究表明臺灣地區大氣污染物濃度的變化對居民潛在壽命損失有重要影響。美國癌癥協會對120萬美國成人跟蹤長達26年，研究發現空氣濃度每升高10μg/m3，人群肺癌死亡率將升高15%-27%[5]。Sram等[6]對捷克1492名兒童健康狀況跟蹤研究表明，空氣污染嚴重影響兒童健康，容易引發兒童呼吸系統發病率增加。黃德生等[7]基于暴露響應和劑量效應原理，基于流行病學綜合研究成果，運用環境健康風險評估技術，對京津冀地區PM2.5濃度標準可實現的健康效益進行了評估，結果表明三地區能夠實現的健康效益總和可達612～2560億元/a，相當于2009年的該地區地方生產總值的1.66%～6.94%。闞海東[8-9]在不同的健康效應終點上，研究了我國大中城市大氣污染與健康的關系，確認我國大氣污染對居民健康損失較大，且對健康的影響將長期存在。陳仁杰等[10]研究了我國113個主要城市PM10對居民健康的影響，結果表明2006年PM10對我國113個城市居民造成了較大的健康損失，引起16.59萬例心血管疾病患者與8.90萬例呼吸系統疾病患者住院，29.97萬例患者過早死亡，健康經濟損失為3413.03億元。針對我國當前空氣霧霾現象頻繁發生，PM2.5濃度較高的現象，Voorhees等[11]對上海市PM導致的居民公共健康損失進行分析，研究表明上海市空氣質量如果達到國家二級標準的情況下，可避免所有死亡人數的貨幣價值為17億元～120億元。

第二種方法則是采用統計分析和計量模型開展實證研究。Pope等[12]對美國500000居民死亡的原因進行研究，結果發現在控制吸煙、飲食等風險因素外，細顆粒物(PM10、PM2.5)、SO2等相關污染物與肺心病死亡率、肺癌死亡率和總死亡率相關，空氣中的細顆粒物濃度每升高10μg/m3, 肺心病死亡率、肺癌死亡率與總死亡率的風險性分別增加6%、8%和4%，在工業污染較嚴重的地區，風險性程度更高。Chen Yuyu等[13]以中國淮河取暖分界線為依據，研究空氣污染對預期壽命的影響，結果表明中國北方5億居民因嚴重的空氣污染平均每人失去5年壽命。Romero-Lankao等[14]采用泊松回歸方法，基于社會風險、環境公平與城市脆弱性關聯研究了拉丁美洲三座城市空氣污染對健康風險的影響，結果表明無論是城市脆弱性強還是弱的城市，空氣污染都會導致公共健康風險。Beatty等[15]使用回歸方法，利用大型數據庫中空氣細顆粒物與英國兒童呼吸系統健康數據分析，研究表明空氣細顆粒物對兒童患呼吸系統疾病有顯著影響。Samoli等[16]人在分析前人研究的基礎上采用時間序列數據，運用泊松回歸模型研究表明空氣數據測量值的不完整性會低估空氣污染對公共健康的影響。Beelen等[17]人運用特定隊列COX比例風險模型分析認為空氣污染對所有心血管疾病與特定心血管疾病的死亡風險率都接近于一。依不拉音曉開提等[18]采用時間序列方法，研究烏魯木齊城區大氣污染對居民循環系統疾病的影響，結果顯示大氣中SO2、PM10濃度每增加10μg/m3, 循環系統疾病住院人數相對比率分別增加1.063和1.157。劉耀術等[19]采用Poisson廣義相加模型，研究廣東省某市大氣污染與女性死亡人數的關系，研究得出PM10和SO2濃度平均每上升100μg/m3，女性總死亡率相對危險度為1.055和1.073。隨后，為了進一步明確大氣污染與心血管疾病的關系，周穎等[20]探討了大氣污染對心血管疾病影響的機理，分析認為吸入的PM可導致人體系統炎癥反應、血壓升高、血栓形成與心臟結構和功能改變等疾病；謝元博等[21]利用泊松回歸模型研究了北京市PM2.5對居民健康的影響，研究表明短期高濃度PM2.5約造成早逝201例、心血管疾病住院545例與呼吸系統疾病住院1056例等，健康經濟損失達4.89億元。

此外，我國以燃煤型等化石能源消費為主的能源結構是導致大氣污染嚴重的主要原因[22-24]，近年來，一大批學者整合能源消費、環境污染與居民健康展開了研究。陳軍等[25]利用因子分析方法研究了能源消費背景下中國環境質量與公共健康的關系，結果表明環境質量對公共健康存在單向因果關系。Kan Haidong等[24]對我國能源消費、氣候變化、環境污染與公共健康進行研究，認為能源消費排放導致的氣候變化、PM10與SO2對我國居民公共健康有極大影響。周健[26]、謝元博等[27]利用LEAP模型、暴露響應模型研究表明，在嚴格節能控制場景下，煤炭消費比重的下降會減少相應的疾病死亡。闞海東等[8]用回歸方法、房斌[28]利用吸入因子分析方法研究得出，能源消費背景下，SO2與懸浮顆粒物(TSP)與居民死亡率有較強關系。Gohlke[29]采用自回歸模型研究發現，煤炭消費量的增加將顯著提高嬰兒死亡率、降低人均預期壽命。曲衛華、顏志軍[30]在分析總結前人研究的基礎上，運用邊際產出等于邊際成本時的利潤最大化原理，結合劑量效應、暴露響應方法構建了山西能源消費對環境與公共健康影響的模型，研究表明能源轉型有助于環境污染的減少以及公共健康水平的提升。

關于經濟增長、醫療衛生服務對公共健康的影響主要基于計量方法的研究，Rostila等[31]運用多層次邏輯斯蒂回歸模型，研究瑞典斯德哥爾摩居民收入與健康狀況的關系，結果表明收入的不平等對公共健康有較強影響。Feng Zhixin等[32]基于中國2008年23個省份健康調查數據，研究發現老年人的健康不僅受個人收入的影響，同時也受省際收入差異的影響。Allanson等[33]采用動態回歸模型，研究英國1999年到2004年的居民收入、受教育程度與死亡率的關系，研究表明貧富不均和年齡增加等與居民死亡率存在重要關系。苑會娜[34]運用聯立方程模型，研究農民工收入與健康狀況的關系，結果表明農民工收入對健康狀況有較強影響，醫療保障能顯著降低農民工健康狀況惡化的可能性。胡洪曙等[35]運用Ordered Probit Model模型研究中國老年人的長壽狀況，研究發現收入不平等對有無醫療保障的老年人幸福感存在顯著差異。趙鵬飛[36]運用面板數據模型研究中國2003至2008年的政府衛生支出對人口死亡率的影響，結果表明政府衛生支出對人口死亡率有顯著影響。

綜上所述，學者們無論是利用暴露響應與劑量效應解析法的方法研究環境污染與公共健康的關系，還是采用計量的方法研究經濟增長、醫療衛生對公共健康的影響分析，均認為環境污染、經濟增長與醫療衛生服務是影響居民公共健康的因素，但忽略了一個國家不同區域環境污染水平、經濟增長與醫療服務水平參差不齊的情況，并未把這幾種因素全部結合起來分東中西部地域進行考慮。如在研究環境污染與公共健康關系時僅從時間序列數據趨勢出發研究，沒有從面板數據角度分區域研究。眾所周知，就中國的情況而言，中國各區域能源消費結構不同，環境污染也不同，經濟增長與醫療衛生服務也有差異。另外，從一些統計數據中也可以看出，盡管西部比東、中部工業煙塵與SO2排放量較少，但由于經濟增長與醫療衛生服務低于東、中部，導致西部比東、中部死亡率較高。從各區域人口死亡率與人均GDP的數據序列來看，人均GDP與死亡率也不是簡單的線性關系。如山西省和四川省，2010年工業二氧化硫、工業煙塵分別為114.71(萬噸)、43.23(萬噸)與93.76(萬噸)、25.97(萬噸)；但由于人均衛生醫生數和人均醫療保健支出有顯著差異：前者為25.34 (人)、70.82 (元)，而后者為16.13(人)、47.96(元)。導致人口死亡率四川省高于山西省，四川省為6.62‰，山西省為5.38‰。

為此，本文的研究工作主要有：在Grossman[37]創建的健康生產函數的基礎上，加入環境因素、人均GDP的二次項，綜合考慮環境污染、經濟增長與醫療衛生服務對居民公共健康的影響，以探討變量間是否存在穩定的均衡關系，是否經濟增長與公共健康存在倒U型的特征，并分析估算各區域到達拐點的時間，是否經濟增長、醫療衛生服務會降低環境污染對居民公共健康的影響。研究方法上，本文運用面板數據模型，反映所選樣本在截面和時間兩個方面的變化趨勢以及不同單元、不同時間的特性，并且可以減少多重共線性的影響。因此，有必要基于各省份的不同情況進行研究。

2 研究方法和模型構建

2.1 研究方法

2.1.1 面板數據單位根檢驗

由于非平穩的時間序列經濟變量可能存在一致的變化趨勢，但這些變量之間也許并沒有直接的聯系，如果直接用這些數據建立回歸模型會發生偽回歸現象，導致回歸結果沒有實際意義。為了不出現偽回歸現象，確保回歸結果的有效性，在對面板數據進行回歸分析之前需要進行單位根檢驗，為此，對合成數據建立如下AR(1)過程：

yit=ρiyit-1+Xitδi+εit,i=1,2,…,N,t=1,2,…,Ti

(1)

(1)式中，Xit表示模型中外生變量向量，包含各截面的固定影響和時間趨勢，N表示截面成員總數，Ti代表第i個截面成員的時期總數；隨機誤差項εit相互滿足獨立同分布假設；ρi為自回歸系數，如果|ρi|<1，則說明序列yi為平穩序列；如果|ρi|=1，則說明序列yi為非平穩序列。

根據(1)式中ρi的不同限制，面板數據的單位根檢驗方法劃分為兩大類，一類是各截面單元序列有相同的單位根過程，包括LLC檢驗和Breitung檢驗；另一類是各截面單元序列沒有相同的單位根過程，包括ADF-Fisher檢驗、IPS檢驗和PP-Fisher檢驗[38]。此外，面板單位根檢驗有3種檢驗模式：僅有截距項、包括截距項和趨勢項、沒有截距項和趨勢項。本文分別在這三種模式下進行常用的LLC檢驗和ADF-Fisher檢驗。

2.1.2 面板數據協整檢驗

在滿足研究變量同階單整的情況下，可以對面板模型進行協整檢驗，對面板模型的協整檢驗，主要有基于EngleandGranger二步法的面板數據協整檢驗方法和Johansen協整檢驗的Fisher協整檢驗法。在以EG兩步法為基礎的面板模型協整檢驗中，具有代表性的是以Kao為代表的同質面板的協整檢驗和Pedroni提出的異質面板的協整檢驗。Fisher協整檢驗統計量較容易得到，允許在不同區域之間系統的異質性，但是該方法有個缺點：檢驗較短的時間序列是低效果的。由于Pedroni協整檢驗允許截距和時間趨勢，可用于非平衡面板數據，而且允許面板數據具有很大的異質性，因此本文基于同質面板數據的Kao協整檢驗與異質面板數據的Pedroni協整檢驗法進行檢驗。由于在Pedroni檢驗中，PanelADF和GroupADF統計量較其他統計量有更好的小樣本性質，因此本文主要參考PanelADF和GroupADF來判斷其協整性。Kao檢驗包括DF檢驗和ADF檢驗兩類，本文采用ADF統計量進行檢驗，檢驗的原假設為：變量間沒有協整關系；Pedroni協整檢驗原假設為：面板變量間不存在協整關系。

2.1.3 面板模型估計

面板數據模型主要分三種類型，無個體影響的不變系數模型、變截距模型和變系數模型。其形式分別如下：

yit=αe+β'xit+uit,i=1,2,…,N,t=1,2,…,T

(2)

yit=αie+β'xit+uit,i=1,2,…,N,t=1,2,…,T

(3)

(4)

在參數隨時間不變的情況下，截距和斜率系數有如下兩種假設：

H1：β1=β2=…=βN；

H2：α1=α2…αN，β1=β2=…=βN；

如果接受H2，則選擇模型(2)，建立混合模型；如果接受H1，拒絕H2，則選擇模型(3)，建立個體固定效應模型，可通過F檢驗判斷。否則，拒絕H1，選擇模型(4)，建立變系數模型，引入Hausmam檢驗，判別建立個體固定效應模型還是個體隨機效應模型。

2.2 模型構建

本文的基本模型來自Grossman[37]創建的健康生產函數，在此模型基礎上，Cropper[44]、Gerking[45]、Alberini[46]等學者加入環境污染因素后對模型進行了改進，并參照趙忠[39]、盧洪友等[40]建立的宏觀健康生產函數，將影響公共健康的相關因素確定為環境因素、經濟因素、醫療保健因素與公共衛生因素，因此得到：

lnswlit=Cit+b1lngyso2it+b2lngyycit+b3lnpgdpit+b4ln2pgdpit+b5lnphceit+b6lnpdocit+μit

(5)

模型(5)中，參照世界衛生組織對健康的定義以及前人研究，被解釋變量公共健康水平lnswl用死亡率指標來衡量，與微觀數據中觀察的健康水平相比，宏觀數據較難區分健康水平的結構差異，只能通過一些近似的死亡率度量；核心解釋變量分別為工業二氧化硫lngyso2、工業煙塵lngyyc、人均生產總值lnpgdp。由于獲取各省市的PM10和PM2.5數據較為困難，本文選擇工業煙塵排放量與工業二氧化硫排放量表征環境質量：首先，相比與其它環境因素，空氣環境的外溢性和外生決定性較強，這種特性有助于減輕本文的內生性問題；其次，居民整體暴露于大氣環境中的頻率比其它要素(水、土壤等)要高，這在一定程度上對宏觀數據使用的缺陷進行了補充；最后，工業二氧化硫與煙塵是顆粒物(PM10、PM2.5)的主要成分，顆粒物是空氣中微小固態和液態顆粒物的總稱，主要源于以下三方面：一是污染源的直接排放，特別是化石能源消費的直接排放；二是大氣中的氮氧化物、硫氧化物與其它揮發性有機化合物形成的細小顆粒物；三是機動車尾氣的排放等。與其它環境污染物因素(水污染、土壤污染等)相比，大氣污染物對公共健康影響較為突出，顆粒物的主要成分——工業煙塵與工業二氧化硫可作為綜合表征空氣的質量指標，也是諸多相關學者首選的環境指標，這兩種污染物對公共健康的影響更大[40-41]。經濟增長的測量指標較成熟，大多以人均GDP表示[38, 42-43]，同時，模型引入控制變量人均醫療保健支出lnphce和人均衛生醫生數lnpdoc。此外，從各區域人口死亡率人均GDP的數據序列來看，人均GDP與死亡率不是簡單的線性關系，而具有倒U型特征(如圖1)，由于各區域省份較多，本文只列出中部人均GDP與中部人口平均死亡率關系圖，不同截面之間μit為相互獨立的隨機擾動。

圖1 中部人均GDP與中部人口平均死亡率關系圖

3 樣本選取和數據處理

本文數據主要來自《中國統計年鑒》、《新中國六十年統計資料匯編》、《中國環境統計年鑒》和各省市部分統計年鑒，選取數據的樣本區間為1997年到2010年，共14年數據；數據包括全國30個省市(除西藏和港、澳、臺)的人均GDP數據(為消除價格影響，以1990年為基期的不變價格計算，單位：元/人)、各省工業二氧化硫(單位：萬噸)、各省工業煙塵(單位：萬噸)、各省人均醫療保健支出(單位：元/人)和各省人均衛生醫生數(單位：人/萬人)以及各省人口死亡率(單位：人/千人)。為消除異方差影響，本文對被解釋變量和各解釋變量取自然對數。

4 實證分析

4.1 描述性統計

分別對解釋變量和被解釋變量的自然對數進行描述性統計，如表1所示，從表1可以看出，公共健康水平死亡率最大均值出現在西部地區，達到1.82,東部地區死亡率最小，為1.78。工業煙塵和工業二氧化硫中部地區遠高于東西部地區，達到3.51和3.85，拉動效應使得東西部地區不及全國平均水平。人均GDP東部地區最高，為8.46，由于拉動效應，中西部地區人均GDP遠不如全國水平，西部人均GDP最低，為7.82。醫療衛生公共服務方面，東部人均醫療健康保健支出最高，為4.34，中西、部地區較低，分別為4.18與4.19；人均醫生數量東部地區遠高于中西部地區，達到2.92，中、西部地區分別為2.71與2.73，全國平均水平為2.79。通過上述各組數據的對比可看出，工業煙塵與工業二氧化硫排放最高的中部地區并不是公共健康水平人均死亡率最高的地區，從某種程度上可以推測出有別的因素降低了環境污染對公共健康的風險。

4.2 面板數據單位根檢驗

在協整檢驗前，須確保各數據是平穩的，否則會得到偽回歸結果。本文運用2.1中提及的LLC檢驗和ADF-Fisher檢驗進行面板單位根檢驗。根據表2單位根檢驗結果，原值序列中，有的數據序列無法拒絕原假設，即存在單位根。綜合來看，原值序列無法拒絕存在單位根的原假設，為非平穩序列。經過差分后的序列，有極少數據序列在10%顯著水平下通過檢驗外，大部分序列在5%顯著水平下通過檢驗，表明一階差分后序列是平穩的，因此各變量是一階單整的。

表1 變量描述性統計

注：括號內數值為P值。

4.3 面板數據協整檢驗

由于各變量序列是同階單整序列，符合協整檢驗前提，我們運用Pedroni與Kao方法進行協整檢驗， 由檢驗結果(如表3 所示)可見，各區域模型中的Panel ADF和Group ADF統計量，除了Panelυ與Group rho統計量通過了10%水平的顯著性檢驗外，其余統計量都通過1%和5%水平的顯著性檢驗。 Kao檢驗(如表4所示)中，各區域模型的ADF統計量都通過了1%水平的顯著性檢驗。綜合Pedroni檢驗與Kao檢驗，拒絕原假設，表明各地區人口死亡率與各解釋變量存在協整關系。

表3 Pedroni協整檢驗

注：括號內數值為P值。

表4 Kao檢驗

注：括號內數值為P值。

4.4 面板數據模型類型判別

在面板數據模型建立之前，需先對模型的類型進行判別，其中, F檢驗用于判別模型是混合模型還是固定效應模型，此檢驗的原假設為：真實模型是混合模型，備擇假設為：真實模型是個體固定效應模型，由表5知P值小于0.05，因此拒絕原假設，即所建立的個體固定效應模型是合適的。進一步，為了判別模型是個體隨機效應模型還是個體固定效應模型，引入Hausman檢驗，此檢驗的原假設為：應建立個體隨機效應模型；備擇假設為：應建立個體固定效應模型，由表5知P值小于0.05，因此拒絕原假設，即所建立的個體固定效應模型是合適的。另外，從實際樣本量來看，研究的對象是全國30個省市的死亡率等變量，不存在總體中隨機抽樣的現象，因此建立個體固定效應模型比建立隨機效應模型更合適。

表5 面板模型類型判別

注：括號內數值為P值。

4.5 面板數據模型回歸分析

在面板數據模型回歸分析時，在權數選擇項選擇按截面加權(Cross-section Weights)，表示允許不同的截面存在異方差現象。估計方法采用PCSE(Panel Corrected Standard Errors, 面板校正標準誤差)方法， 此方法可以有效處理復雜的面板誤差結構，如序列相關、異方差與同步相關等、估計結果如表6所示。

從表6可以發現，無論是加入人均醫療保健因素與人均衛生醫生數之前還是之后，以工業煙塵排放量表征的環境污染因素對各區域居民公共健康影響是顯著的，工業二氧化硫排放量對中部區域公共健康影響是顯著的，這說明環境因素是影響居民健康的重要因素之一。在加入醫療衛生服務因素后，環境污染對健康的影響系數減弱，在一定程度上，說明醫療衛生服務因素具有降低環境污染健康風險的作用。除西部外，人均GDP的一次項系數為正數，二次項系數為負數，且在統計上非常顯著，說明公共健康與經濟增長呈現倒U型的關系。分區域結果如下：

在加入人均醫療保健支出與人均衛生醫生因素之后， 中部地區的工業二氧化硫排放量對死亡率的在加入人均醫療保健支出與人均衛生醫生數之后，東部地區的工業煙塵排放量對死亡率的影響系數從0.009降至0.006，且在10%的水平上顯著，說明人均醫療保健支出與人均衛生醫生數對居民健康水平有影響，人均衛生醫生數與死亡率顯著呈負相關，同時也說明這兩種因素可以降低環境污染健康風險的影響。

表6 估計結果

注：括號內數值為P值。

影響系數從0.069降至0.055，且具有顯著性，人均醫療保健支出與人均衛生因素與死亡率都呈負相關，且具有顯著性。說明人均醫療保健支出與人均衛生醫生數降低環境污染對居民健康風險的影響。

在加入人均醫療保健支出與人均衛生因素之后，西部地區的工業二氧化硫排放量對死亡率的影響在10%的水平上顯著，人均GDP的一次項系數為負，且具有顯著性，說明公共健康與經濟增長呈負相關。人均醫療保健支出與人均衛生醫生數與死亡率不具有顯著性。

通過各區域被解釋變量與解釋變量的關系區域比較，總體上工業煙塵與工業二氧化硫對中部地區的公共健康影響最大，其次是東部地區，對西部地區的影響比較不明顯。解釋變量在全國總體上具有較顯著的影響，而人均醫生數對東部地區的影響最大，其次是中部。

5 結語

本文旨在通過全國30個省市1997-2010年面板數據，分東部地區、中部地區和西部地區研究環境污染、經濟增長與醫療衛生服務對公共健康的影響，通過實證檢驗，選取了個體固定效應模型進行數據擬合，得到以下主要結論：(1)居民公共健康與環境污染、經濟增長、醫療衛生服務在全國和各區域存在長期穩定的均衡關系。(2)以工業煙塵排放量和工業二氧化硫排放量表征的環境污染因素對居民公共健康的影響，無論是加入醫療衛生服務因素之前還是之后，工業二氧化硫排放量只在中部地區對死亡率有顯著影響，而工業煙塵排放量對各區域死亡率是顯著的。(3)在加入醫療衛生服務因素之后，東部地區的工業煙塵排放量對死亡率的影響系數從0.009降至0.006，中部地區的工業二氧化硫排放量對死亡率的影響系數從0.069降至0.055，且均具有顯著性。(4)全國、東部和中部地區模型中，公共健康與經濟增長呈現倒U型的特征，對于東部地區，人均GDP為4205元時，曲線達到拐點，在2006年后，絕大多數省份已經進入拐點后狀態；對于中部地區，人均GDP為3311元時，曲線達到拐點，需經過3年的時間曲線到達拐點。

從本文的實證結果來看，東部和中部地區的公共健康與經濟增長呈現倒U型的關系，醫療衛生服務可降低環境污染導致的居民健康風險。然而，近年來，隨著我國經濟的快速發展，環境污染現象日趨突出，特別是我國以煤燃燒為主的能源消費結構排放的SO2、煙塵等污染物是大氣污染的主要來源，對居民公共健康產生重要風險。從區域層面看，我國區域間的人均GDP存在較大差異，人口死亡率與各解釋變量的關系也呈現出多樣性，可見，針對不同的區域，應制定不同的環境污染、醫療衛生與公共健康的政策。因此，從減輕環境污染的根源上看，我國應減少污染排放較多的化石能源消耗比例，大力創新發展污染較少的清潔能源技術，增多清潔能源在能源消費結構中的比重，增多清潔能源消費種類，減輕對化石能源消費的依賴，從源頭上遏制環境污染。相比西部區域，污染排放較多、經濟增長較快的東部和中部，國家應該實現能源轉型，尋求可替代能源，減少環境污染物的排放，使環境與經濟可持續發展；針對污染排放較少、經濟增長較慢的西部地區，國家應該大力發展污染排放較少的清潔能源，避免因盲目追求經濟增長造成不可挽救的環境災難和居民的健康損失。從醫療衛生服務方面看，在東部和中部地區，國家應該加大醫生數量的投入，從而增加人均醫生數量。因此，發展污染排放較少的清潔能源、增多人均醫生數量，提高人均GDP可有效減少環境污染對居民健康損失的風險，增進健康。比較而言，相比人均醫療保健支出的增加，人均醫生數量的增多更能降低環境污染對居民公共健康的損失。

[1] 劉鑒強. 中國環境發展報告(2013)[M]. 北京: 社會科學文獻出版社, 2013.

[2] 杜建國, 王敏, 陳曉燕,等. 公眾參與下的企業環境行為演化研究[J]. 運籌與管理, 2013, 22(1): 244-251.

[3]MatusK,NamK-M,SelinNE,etal.HealthdamagesfromairpollutioninChina[J].Globalenvironmentalchange, 2012, 22(1): 55-66.

[4]ChenYuling,ShihY-H,TsengC-H,etal.Economicandhealthbenefitsoftheco-reductionofairpollutantsandgreenhousegases[J].Mitigation&AdaptationStrategiesforGlobalChenge, 2013, 18(8): 1125-1139.

[5]TurnerMC,KrewskiD,PopeIiiCA,etal.Long-termambientfineparticulatematterairpollutionandlungcancerinalargecohortofnever-smokers[J].Americanjournalofrespiratoryandcriticalcaremedicine, 2011, 184(12): 1374-1381.

[6]SramRJ,BinkovaB,DostalM,etal.Healthimpactofairpollutiontochildren[J].InternationalJournalofHygieneandEnvironmentalHealth, 2013, 216(5): 533-540.

[7] 黃德生, 張世秋. 京津冀地區控制PM2.5污染的健康效益評估[J]. 中國環境科學, 2013, 33(1): 166-174.

[8] 闞海東, 陳秉衡. 我國部分城市大氣污染對健康影響的研究 10 年回顧[J]. 中華預防醫學雜志, 2002, 1(36): 59-61.

[9] 闞海東, 鄔堂春. 我國大氣污染對居民健康影響的回顧和展望[J]. 第二軍醫大學學報, 2013, 34(7): 697-699.

[10] 陳仁杰, 陳秉衡, 闞海東. 我國 113 個城市大氣顆粒物污染的健康經濟學評價[J]. 中國環境科學, 2010, 30(3): 410-415.

[11]VoorheesAS,WangJiandong,WangCuicui,etal.PublichealthbenefitsofreducingairpollutioninShanghai:Aproof-of-conceptmethodologywithapplicationtoBenMAP[J].ScienceofTheTotalEnvironment, 2014, 485:396-405.

[12]PopeIiiCA,BurnettRT,ThunMJ,etal.Lungcancer,cardiopulmonarymortality,andlong-termexposuretofineparticulateairpollution[J].JAMA:thejournaloftheAmericanMedicalAssociation, 2002, 287(9): 1132-1141.

[13]ChenYuyu,EbensteinA,GreenstoneM,etal.EvidenceontheimpactofsustainedexposuretoairpollutiononlifeexpectancyfromChina’sHuaiRiverpolicy[J].ProceedingsoftheNationalAcademyofSciences, 2013, 110(32): 12936-12941.

[14]Romero-LankaoP,QinHua,Borbor-CordovaM.ExplorationofhealthrisksrelatedtoairpollutionandtemperatureinthreeLatinAmericancities[J].SocialScience&Medicine, 2013, 83(2): 110-118.

[15]BeattyTKM,ShimshackJP.Airpollutionandchildren'srespiratoryhealth:Acohortanalysis[J].JournalofEnvironmentalEconomicsandManagement, 2014, 67(1): 39-57.

[16]SamoliE,PengRD,RamsayT,etal.Whatistheimpactofsystematicallymissingexposuredataonairpollutionhealtheffectestimates?[J].AirQuality,Atmosphere&Health, 2014, 7(25):1-6.

[17]BeelenR,StafoggiaM,Raaschou-NielsenO,etal.Long-termexposuretoairpollutionandcardiovascularmortality:Ananalysisof22Europeancohorts[J].Epidemiology, 2014, 25(3): 368-378.

[18] 依不拉音曉開提, 鮑玉星, 吳文華,等. 烏魯木齊大氣污染與循環系統疾病日住院人數的時間序列分析[J]. 衛生研究, 2013, 42(4): 682-685.

[19] 劉耀術, 趙慶國, 梁志江,等. 大氣污染對女性健康效應的時間序列分析[J]. 環境與健康雜志, 2013, 30(6): 529-533.

[20] 周穎, 徐興祥, 閔凌峰. 大氣污染對心血管疾病的影響研究進展[J]. 實用醫學雜志, 2014, 30(3): 337-339.

[21] 謝元博, 陳娟, 李巍. 霧霾重污染期間北京居民對高濃度PM2.5持續暴露的健康風險及其損害價值評估[J]. 環境科學, 2014, 35(1): 1-8.

[22] 魏一鳴, 吳剛, 梁巧梅,等. 中國能源報告(2012):能源安全研究[M]. 北京: 科學出版社, 2012.

[23] 趙金樓, 李根, 蘇屹,等. 我國能源效率地區差異及收斂性分析——基于隨機前沿分析和面板單位根的實證研究[J]. 中國管理科學, 2013, 21(2): 175-184.

[24]KanHaidong,ChenRenjie,TongShilu.Ambientairpollution,climatechange,andpopulationhealthinChina[J].Environmentinternational, 2012, 42:10-19.

[25] 陳軍, 成金華, 白永亮. 能源消費背景下中國的環境質量與公眾健康[J]. 管理學報, 2008, 5(4): 549-554.

[26] 周健, 崔勝輝, 林劍藝,等. 廈門市能源消費對環境及公共健康影響研究[J]. 環境科學學報, 2011, 31(9): 2058-2065.

[27] 謝元博, 李巍. 基于能源-環境情景模擬的北京市大氣污染對居民健康風險評價研究[J]. 環境科學學報, 2013, 33(6): 1763-1770.

[28] 房斌. 中國能源環境健康效應的綜合評估方法及其應用研究[D]. 北京: 中國科學院研究生院, 2011.

[29]GohlkeJM,ThomasR,WoodwardA,etal.Estimatingtheglobalpublichealthimplicationsofelectricityandcoalconsumption[J].Environmentalhealthperspectives, 2011, 119(6): 821-826.

[30] 曲衛華, 顏志軍. 能源消費對環境與公共健康的影響——基于山西省的實證分析[J]. 北京理工大學學報(社會科學版), 2014, 16(4): 33-41.

[31]RostilaM,K?leg?rdML,FritzellJ.Incomeinequalityandself-ratedhealthinStockholm,Sweden:Atestofthe‘incomeinequalityhypothesis’ontwolevelsofaggregation[J].SocialScience&Medicine, 2012, 74(7): 1091-1098.

[32]FengZhixin,WangWW,JonesK,etal.Anexploratorymultilevelanalysisofincome,incomeinequalityandself-ratedhealthoftheelderlyinChina[J].SocialScience&Medicine, 2012, 75(12): 2481-2492.

[33]AllansonP,PetrieD.Longitudinalmethodstoinvestigatetheroleofhealthdeterminantsinthedynamicsofincome-relatedhealthinequality[J].JournalofHealthEconomics, 2013, 32(5): 922-937.

[34] 苑會娜. 進城農民工的健康與收入——來自北京市農民工調查的證據[J]. 管理世界, 2009, (5): 56-66.

[35] 胡洪曙, 魯元平. 收入不平等、健康與老年人主觀幸福感——來自中國老齡化背景下的經驗證據[J]. 中國軟科學, 2012, (11): 41-56.

[36] 趙鵬飛. 公共衛生支出與國民健康及經濟發展的關系研究[D]. 北京; 北京交通大學, 2012.

[37]GrossmanM.Ontheconceptofhealthcapitalandthedemandforhealth[J].TheJournalofPoliticalEconomy, 1972, 80(2): 223-255.

[38] 吳振信, 謝曉晶, 王書平. 經濟增長、產業結構對碳排放的影響分析——基于中國的省際面板數據[J]. 中國管理科學, 2012, 20(3): 161-166.

[39] 趙忠. 我國農村人口的健康狀況及影響因素[J]. 管理世界, 2006, (3): 78-85.

[40] 盧洪友, 祁毓. 環境質量, 公共服務與國民健康——基于跨國 (地區) 數據的分析[J]. 財經研究, 2013, 39(6): 106-118.

[41] 苗艷青, 陳文晶. 空氣污染和健康需求Grossan模型的應用[J]. 世界經濟, 2010, (6):140-160.

[42] 蔡圣華, 杜立民, 畢清華. 我國提高能源效率的目標設計[J]. 中國管理科學, 2012, 20(3): 152-160.

[43] 許冰, 章上峰. 經濟增長與收入分配不平等的倒U型多拐點測度研究[J]. 數量經濟技術經濟研究, 2010, (2): 54-64.

[44]CropperML.Measuringthebenefitsfromreducedmorbidity[J].TheAmericaneconomicreview, 1981,71(2):235-240.

[45]GerkingS,StanleyLR.Aneconomicanalysisofairpollutionandhealth:thecaseofSt.Louis[J].TheReviewofEconomicsandStatiswtics,1986,68(1):115-121.

[46]AlberiniA,CropperM,FuT-T,etal.Valuinghealtheffectsofairpollutionindevelopingcountries:thecaseofTaiwan[J].JournalofEnvironmentalEconomicsandManagement, 1997,34(2):107-126.

TheInfluenceofEnvironmentalPollution,EconomicGrowthandHealthcareServicestoPublicHealthBasedonChina’sProvincialPanelData

QU Wei-hua1,2, YAN Zhi-jun1

(1.School of Management and Economics, Beijing Institute of Technology, Beijing 100081, China;2.Taiyuan University, Taiyuan 030032,China)

Environmental pollution and economic growth have great impacts on public health, but the dynamic relationship analysis among them based on different areas’ panel data is missing in existing literatures. Based on Grossman’s health production function, environmental pollution factors are added to study the effects of environmental pollution, economic growth and healthcare service on public health. Using the panel data of 30 provinces in China from year 1997 to 2010, the entity fixed effects model is established and the difference among east area, middle area and west area in China is analyzed. The results show that there is a long equilibrium cointegration relationship between environmental pollution, economic growth, healthcare services and public health, and an inverted U curve is presented between economic growth and public health in the east, middle and overall China significantly. Specifically the curve has met its knee point in the east, and will meet its knee point if per GDP is 3311 Yuan in the middle. Industrial soot emissions has significant positive effect on human mortality in each areas of China, but industrial so2emissions only has significant effect on human mortality in the middle area. At the same time, correlation between the doctor per person and human mortality is significantly negative, while it does not occur in the west area. And healthcare services spending per capita is significantly negative on human mortality in the middle area. The medical services can effectively reduce health threats to the public. Therefore, formulating differential policies of environmental pollution, economic growth and healthcare services and so on are beneficial to improve the level of public health of overall China, eastern region and midwest.

environmental pollution; economic growth; healthcare services; public health

2014-02-20；

2014-07-28

教育部新世紀優秀人才支持計劃(NCET-11-0792)；國家自然科學基金資助項目(71272057，70972006)

曲衛華(1982-)，男(漢族)，山西靜樂人，北京理工大學管理與經濟學院博士研究生，太原學院講師，研究方向：復雜系統建模、健康管理.

1003-207(2015)07-0166-11

10.16381/j.cnki.issn1003-207x.2015.07.021

F205;F062.2

A